Nieliniowa metoda najmniejszych kwadratów w programie Gretl
Przykład: - funkcja Tornquista I rodzaju
(Przykład - warzywa i owoce)
Gretl:
Okienko dialogowe:
genr alpha = 84.44
genr beta = 1588.39
nls y = alpha* x/( beta + x)
deriv alpha = x/( beta + x)
deriv beta = - alpha* x /( beta + x)^2
Wyniki otrzymane w Gretlu:
Wykorzystano analityczne pochodne
Zbieżność osiągnięta po 9 iteracjach
Tolerancja = 1,81899e-012
Model 2: Estymacja NLS z wykorzystaniem 8 obserwacji 1-8
Zmienna zależna: y
Parametr Ocena parametru Błąd stand. Statystyka t Wartość p
alpha 102,116 6,77847 15,065 <0,00001 ***
beta 2233,27 274,572 8,134 0,00019 ***
Srednia arytmetyczna zmiennej zależnej = 39,425
Odchylenie standardowe zmiennej zależnej = 14,6116
Suma kwadratów reszt = 18,1976
Błąd standardowy reszt = 1,74153
Wsp. determinacji R-kwadrat = 0,987824
Kryterium informacyjne Akaika (AIC) = 33,2778
Kryterium bayesowskie Schwarza (BIC) = 33,4367
Kryterium infor.Hannana-Quinna (HQC) = 32,2062
Można także:
genr alpha = 84.44
genr beta = 1588.39
nls y = alpha* x/( beta + x)
params alpha beta
zbieżność osiągnięta po 22 iteracjach
Tolerancja = 1,81899e-012
Model 4: Estymacja NLS z wykorzystaniem 8 obserwacji 1-8
Zmienna zależna: y
Parametr Ocena parametru Błąd stand. Statystyka t Wartość p
alpha 102,116 6,77847 15,065 <0,00001 ***
beta 2233,27 274,572 8,134 0,00019 ***
Srednia arytmetyczna zmiennej zależnej = 39,425
Odchylenie standardowe zmiennej zależnej = 14,6116
Suma kwadratów reszt = 18,1976
Błąd standardowy reszt = 1,74153
Wsp. determinacji R-kwadrat = 0,987824
Kryterium informacyjne Akaika (AIC) = 33,2778
Kryterium bayesowskie Schwarza (BIC) = 33,4367
Kryterium infor.Hannana-Quinna (HQC) = 32,2062
Ustawianie precyzji estymacji
set nls_toler .0001
Inny przykład:
logistyczny
yhat = 1 / (1 + exp(-X*b))
współczynnik błąd standardowy t-Studenta wartość p
---------------------------------------------------------------
const -3,65797 0,110371 -33,14 1,53e-225 ***
KLM 0,125317 0,00761647 16,45 7,93e-060 ***
LNiePS -0,0543231 0,0221334 -2,454 0,0141 **
WiekG 0,00268917 0,00152903 1,759 0,0787 *
WyksztG 0,146086 0,00646725 22,59 1,66e-109 **
plecG_01 0,252219 0,0285418 8,837 1,20e-018 ***
samotny -0,154565 0,0383039 -4,035 5,51e-05 ***
LOS 0,171482 0,0130329 13,16 3,99e-039 ***
genr b0 = -3.65
genr b1 = 0.12
genr b2 = -0.05
genr b3 = 0.003
genr b4 = 0.15
genr b5 = 0.25
genr b6 = -0.15
genr b7 = 0.17
nls y = 1/(1 + exp(-(b0 + b1*KLM + b2*LNiePS + b3* WiekG+ b4*WyksztG + b5 * plecG_01 + b6 * samotny + b7 * LOS)))
params b0 b1 b2 b3 b4 b5 b6 b7